张 晗，贾甜远，骆 方，张 生，邬 霞,4+

1.北京师范大学 人工智能学院，北京 100875

2.北京师范大学 心理学部，北京 100875

3.北京师范大学 中国基础教育质量监测协同创新中心，北京 100875

4.智能技术与教育应用教育部工程研究中心，北京 100875

随着信息时代的飞速发展，利用网络平台进行学习、工作、娱乐、社交等活动已经成为人们日常生活中必不可少的一部分，极大地丰富了人们表达自我、记录思想和交流沟通的方式。在互联网中的海量数据中，非结构化文本与信息数据占据了很大一部分，用户的文本信息往往是其在自然状态而非测试状态下的真实表达。研究表明，个体所使用的语言文本往往在一定程度上反映着其心理状态或某些特质倾向[1-2]，例如羞怯特质（shyness）、合作性特质（cooperativeness）、完美主义特质（perfectionism）、焦虑特质（anxiety）等。这些心理特质的差异会对一系列的个人行为（如个人决策、职业能力等）产生多重影响[3-4]，通过对心理特质进行分析评价和持续监测能够帮助深入了解心理状态和人格特质，在发展过程中发现行为变化中所存在的问题和原因并及时加以解决。因此，对网络文本数据进行分析，可以为预测心理特质提供非常有用的参考价值，弥补传统的心理测量方法易受应试动机等因素影响的缺陷。

近年来，深度学习[5]相关技术在计算机视觉、模式识别、自然语言处理等领域得到了广泛应用[6-8]，因其在很大程度上避免了传统文本分类方法中存在的诸多问题，所以也越来越多地应用于文本挖掘。……